CN101995435B

CN101995435B - 基于瞬时相位变化度的损伤检测方法

Info

Publication number: CN101995435B
Application number: CN2010105330457A
Authority: CN
Inventors: 苗晓婷; 李富才; 孟光
Original assignee: Shanghai Jiaotong University
Current assignee: SHANGHAI GARBSEN ELECTRIC CO., LTD.
Priority date: 2010-11-05
Filing date: 2010-11-05
Publication date: 2012-07-04
Anticipated expiration: 2030-11-05
Also published as: CN101995435A

Abstract

一种机械结构检测技术领域的基于瞬时相位变化度的损伤检测方法，首先将换能器固定在待检测对象的表面或镶嵌于待检测对象的结构内部并构建检测区域；然后在待检测对象无损伤的状态下利用超声导波对其进行检测并计算得到损伤散射的波信号的飞行时间；最后采用三角定位方法根据飞行时间计算得到损伤的坐标位置，并结合传感网络中各条传感路径所评估的ToF绘制出多条坐标轨迹，该坐标轨迹的交汇区域为损伤可能出现的区域。本发明具有较好的抵抗随机噪声干扰的能力，即使所采集的波信号的SNR较低该方法仍然可以正确地评估损伤散射的基础阶对称(S₀)模式的ToF，进而结合三角定位方法成功地识别和定位损伤。

Description

基于瞬时相位变化度的损伤检测方法

技术领域

本发明涉及的是一种机械结构检测技术领域的方法，具体是一种基于瞬时相位变化度的损伤检测方法。

背景技术

近二十年内，超声导波(如兰姆波)已被广泛应用于无损健康检测领域。基于超声导波的损伤识别方法通常是把试件无损伤时所采集的波信号作为基准波信号，并把当前所采集的检测波信号与基准波信号进行对比，从而提取出由损伤散射的波信号的特征信息，如飞行时间(ToF)等，达到损伤识别和定位等目的。由于超声导波不可避免的频散特性以及工作环境中的噪声严重降低了检测波信号的信噪比(SNR)，很难依据原始的检测波信号评估出损伤散射的波信号的ToF。因此信号处理技术对基于超声导波的损伤识别起到至关重要的作用，决定了ToF的精确评估以及三角定位方法的有效性。至今已有多种信号处理技术被广泛应用于提高信号的SNR。

经过对现有技术的检索发现，《Quek S T，Tua P S，Wang Q.Detecting anomalies in beamsand plate based on the Hilbert-Huang transform of real signals.Smart Materials and Structures，2003，12(3)：447-460.》(基于对实际信号的Hilbert-Huang变换诊断梁和板结构中的损伤异常)中利用Hilbert-Huang变换(HHT)和文献《Ip K H，Tse P W，Tam H Y.Extraction ofpatch-induced Lamb waves using a wavelet transform.Smart Materials and Structures，2004，13(4)：861-872.》(利用小波变换提取碎片引起的兰姆波)中利用小波变换(WT)。然而在实际的工作环境中，检测波信号可能被不确定的噪声干扰。如果噪声能量分布在目标波信号的频率带内，此时通过HHT和WT仍然无法有效地排除噪声，导致无法正确地评估出损伤散射的波信号的ToF。

发明内容

本发明针对现有技术存在的上述不足，提供一种基于瞬时相位变化度的损伤检测方法，具有较好的抵抗随机噪声干扰的能力，即使所采集的波信号的SNR较低该方法仍然可以正确地评估损伤散射的基础阶对称(S₀)模式的ToF，进而结合三角定位方法成功地识别和定位损伤。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

步骤一、首先将换能器固定在待检测对象的表面或镶嵌于待检测对象的结构内部，每一对换能器以一发一收的方式设置，组成一条激励-感应波信号的传感路径，若干条传感路径构建成传感网络，所覆盖的待检测对象的区域为检测区域；

所述的换能器为锲形块状或薄片状压电陶瓷材料制成。

步骤二、在待检测对象无损伤的状态下利用超声导波对其进行检测，采集无损伤时的检测波信号并记录为基准波信号，然后利用超声导波对其进行实时检测并采集当前的检测波信号并记录为检测波信号，最后利用SSP方法对基准波信号和检测波信号进行分谱处理分别得到基准波信号和检测波信号的瞬时相位变化度后进行特征提取处理，得到损伤散射的波信号的飞行时间；

所述的分谱处理是指：将采集到的波信号从时域转换至频域后进行带通滤波后再转换至时域，得到瞬时相位变化度。

所述的从时域转换至频域是指：对采集的时域波信号进行快速傅里叶变换，得到原始波信号r(t)的频率-能量谱，其中：能量谱的能量最大值，即能量峰值的一半所对应的起始频率和截止频率分别被用于指定信号的主要频率带。

所述的带通滤波是指：采用总数为M的高斯带通滤波器组对频率-能量谱进行滤波，得到M个相互重叠的频率带X_i(ω)，i＝1～M，其中：ω为频率变量，该高斯带通滤波器的带宽均为2×Δf，其中心频率依次为f_i，i＝1～M，相邻两个高斯带通滤波器之间的频率间隔为Δf，其中：Δf＝1/T，M＝BT+1，T是信号的采样时间，即信号总的时间长度；B为主要频率带的带宽。

所述的转换至时域是指：将M个频率带X_i(ω)分别进行独立的傅里叶逆变换，得到M个时间域信号x_i(t)以及瞬时相位变化度IPVD(t)，其中：

t为采样时间点，0≤t≤T，x_i(t)的各个采样时间点的信号幅值与该时间域信号的瞬时相位相同。

所述的瞬时相位变化度为：IPVD(t)＝x_max(t)-x_min(t)，其中：x_min(t)＝min(x₁(t)，x₂(t)，...x_i(t)...x_M(t))，x_max(t)＝max(x₁(t)，x₂(t)，...x_i(t)...x_M(t))，当x_i(t)的瞬时相位在较小的范围内变化，则对应较小的IPVD(t)值；相反，则对应较大的IPVD(t)值。

所述的特征提取处理是指：当基准波信号的IPVD(t)，即IPVD_benchmark(t)大于检验波信号的IPVD(t)，即IPVD_damage(t)时，则在对应的采样时间点t时刻出现损伤散射的S₀模式，并由IPVD_benchmark(t)和IPVD_damage(t)的差值得到损伤散射的S₀模式的ToF，具体为：计算Δ(t)＝IPVD_benchmark(t)-IPVD_damage(t)，0≤t≤T，

其中：T_A-S是激发的S₀模式从激励点直接传播到感应点所需要的ToF，当激发的S₀模式到达时T_A-S)IPVD_benchmark(t)与IPVD_damage(t)之间的差值Δ(T_A-S)为阈值，在T_A-S后，当Δ(t)的值比Δ(T_A-S)大，则在t时分谱处理算法的输出y(t)等于原始检验波信号r_damage(t)的幅值，否则y(t)的值为0；其中的第一个值不为0的y(t)所对应的采样时间点则为S₀模式从激励点传播到损伤，再从损伤传播到感应点所需要的ToF，即T_A-D-S，所述的激励点和感应点分别是指：激励换能器和感应换能器的位置。

步骤三、采用三角定位方法根据飞行时间计算得到损伤的坐标位置，并结合传感网络中各条传感路径所评估的ToF绘制出多条坐标轨迹，该坐标轨迹的交汇区域为损伤可能出现的区域，具体包括以下步骤：

3.1)计算以下方程式的解：

T_D＝T_A-D-S-T_A-S＝(T_A-D+L_D-S-L_A-S)/v_g，

L_{A - D} = \sqrt{{(x_{A} - x_{D})}^{2} + {(y_{A} - y_{D})}^{2}},

L_{D - S} = \sqrt{{(x_{D} - x_{S})}^{2} + {(y_{D} - y_{S})}^{2}},

L_{A - S} = \sqrt{{(x_{A} - x_{S})}^{2} + {(y_{A} - y_{S})}^{2}};

其中：T_D是损伤散射的S₀模式的ToF；T_A-D-S是激发的S₀模式从激励点传播到损伤，再从损伤传播到感应点所需要的ToF；T_A-S是激发的S₀模式从激励点直接传播到感应点所需要的ToF；L_A-D是激励点(x_A，y_A)与损伤的中心位置(x_D，y_D)之间的距离；L_D-S是损伤的中心位置与感应点(x_S，y_S)之间的距离；L_A-S是激励点与感应点之间的距离；v_g是S₀模式的传播群速度；

3.2)由步骤3.1)得到的一个以激励点和感应点为焦点的椭圆，该椭圆为损伤中心位置的坐标轨迹，即根据一条传感路径所评估的损伤散射的S₀模式的ToF可以绘制出一条损伤中心位置的坐标轨迹。

附图说明

图1本发明方法流程图。

图2用于切分主要频率带的一组高斯带通滤波器的频率谱分布。

图3实施例中(a)带有切缝缺陷的铝板以及(b)所选用的六条传感路径的示意图。

图4传感路径P3-P4所采集的基准波信号与无噪声干扰时的检测波信号。

图5基准波信号与无噪声干扰时的检测波信号的频率-能量谱。

图6所求得的基准波信号与检测波信号(无噪声干扰)的IPVD。

图7无噪声干扰时的(a)Δ(t)和(b)分谱处理算法的输出。

图8无噪声干扰时所识别的损伤位置。

图9传感路径P3-P4所采集的SNR＝1dB的检测波信号。

图10基准波信号与有噪声干扰时的检测波信号(SNR＝1dB)的频率-能量谱。

图11所求得的基准波信号与检测波信号(SNR＝1dB)的IPVD。

图12有噪声干扰时的(a)Δ(t)和(b)分谱处理算法的输出。

图13有噪声干扰时(SNR＝1dB)所识别的损伤位置。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例中，汉宁窗调制的、中心频率为300kHz的、5周正弦调幅脉冲被用做激励信号激发兰姆波。各个信号的采集时间均设定为200μs。四个圆形压电应变片被固定在铝板(600mm×600mm×2.0mm)表面上，包围了400mm×400mm大小的检测区域，如图3(a)所示。选用了的六条激励-感应波信号的传感路径，各自采用“一发一收”的工作方式激励和采集兰姆波信号，覆盖了检测区域，如图3(b)所示。首先在理想的工作环境中(无噪声)，对无损伤的铝板进行检测，并把所采集的波信号作为基准信号。然后在先前的铝板上切割出一条切缝缺陷，如表1所示。详细列出了切缝缺陷的位置和尺寸。在不同的工作环境中(无噪声和有噪声)检测带有切缝缺陷的铝板，并把所采集的波信号作为检测信号。为了模拟有噪声的工作环境，白噪声被加载到检测波信号上，生成了SNR＝1dB的检测波信号。下面举例展示了对传感路径P3-P4所采集的波信号进行信号处理的过程。

表1

(5.1)无噪声干扰时的损伤识别

无噪声干扰时的基准波信号与检测波信号如图4所示。

(1)利用分谱处理算法分析波信号的瞬时相位变化度

(1.1)分谱

(1.1.1)快速傅里叶变换(FFT)

利用FFT，求得无噪声干扰时的基准波信号与检测波信号的频率-能量谱。指定基准波信号的主要频率带；对检测波信号而言，指定与基准波信号相同的主要频率带，如图5所示。所指定的主要频率带的带宽为70kHz(从295kHz到365kHz)，即：

B＝70kHz

(1.1.2)设置带通滤波器

由于实施例中所设定的采样时间为200μs，即：

T＝200μs

可得：

Δf＝5kHz

M＝15

根据以上所设定的参数，采用一组总数为15、相邻两个带通滤波器的中心频率之间的频率间隔为5kHz、各自带宽为10kHz的高斯带通滤波器，把基准波信号以及检测波信号的主要频率带切分成15个相互重叠的频率带(X_i(ω)，i＝1～15)，如图2所示。

(1.1.3)傅里叶逆变换(IFFT)

把所得的X_i(ω)，i＝1～15各自进行IFFT，重建了15个时间域的信号(x_i(t)，i＝1～15)。

(1.2)特征提取

分别求得基准波信号的IPVD(t)(IPVD_benchmark(t))和检测波信号的IPVD(t)(IPVD_damage(t))，如图6所示。然后求得Δ(t)和分谱处理算法的输出y(t)，如图7所示；最终所评估的T_A-D-S对应于第1910个采样时间点(图7(b))。

(2)结合三角定位算法实现损伤的识别和定位

结合所选用的六条传感路径各自评估的T_A-D-S，利用三角定位算法绘制出的损伤中心位置的坐标轨迹的交汇区域如图8所示。把交汇区域中距离坐标轨迹的距离和最小的坐标识别为损伤的中心位置坐标，所识别的中心位置以‘+’标记。如表2中列出了所识别的中心位置坐标以及相对于实际中心位置的距离。

表2

(5.2)有噪声干扰时的损伤识别

当检测波信号被白噪声干扰时，检测波信号的SNR为1dB，如图9所示。求得检测波信号的频率-能量谱(图10)，相比于无噪声干扰时的检测波信号的频率-能量谱(图5)可以看出噪声能量严重干扰了检测波信号的能量，很大程度地改变了频率-能量的分布。对检测波信号进行如5.1中的分谱处理算法，可以求得SNR＝1dB的检测波信号的IPVD，IPVD_{damage(SNR＝1dB)}(t)(图11)。根据它与IPVD_benchmark(t)的差(图12(a))，可以求得有噪声干扰时的分谱处理算法的输出y(t)(图12(b))，最终所评估的T_A-D-S对应于第1930个采样时间点。可知在无噪声干扰时和有强噪声噪声干扰时，利用分谱处理算法所评估的T_A-D-S基本一致。同样结合所选用的六条传感路径各自评估的T_A-D-S，绘制出的损伤中心位置的坐标轨迹的交汇区域如图13所示。所识别的中心位置坐标以及相对于实际中心位置的距离如表2中所示。

损伤识别结果表明无论检测波信号是否被强噪声干扰，本发明所提出的基于瞬时相位变化度的损伤检测方法都可以精确地评估出损伤散射的S₀模式的ToF；所识别的损伤中心位置的误差均小于33mm(检测区域边长的8.25％)，在允许的误差范围内。

Claims

1.一种基于瞬时相位变化度的损伤检测方法，其特征在于，包括以下步骤：

步骤一、首先将换能器固定在待检测对象的表面或镶嵌于待检测对象的结构内部，每一对换能器以一发一收的方式设置，组成一条激励感应波信号的传感路径，若干条传感路径构建成传感网络，所覆盖的待检测对象的区域为检测区域；

步骤二，在待检测对象无损伤的状态下利用超声导波对其进行检测，采集无损伤时的检测波信号并记录为基准波信号，然后利用超声导波对其进行实时检测并采集当前的检测波信号并记录为检测波信号，最后利用SSP方法对基准波信号和检测波信号进行分谱处理分别得到基准波信号和检测波信号的瞬时相位变化度后进行特征提取处理，得到损伤散射的波信号的飞行时间，所述SSP方法具体是指将采集到的波信号从时域转换至频域后进行带通滤波后再转换至时域，得到瞬时相位变化度；

所述的分谱处理方法是指：将采集到的波信号从时域转换至频域后进行带通滤波后再转换至时域，得到所采集到的波信号的瞬时相位变化度；

步骤三、采用三角定位方法根据飞行时间计算得到损伤的坐标位置，并结合传感网络中各条传感路径所评估的ToF绘制出多条坐标轨迹，该坐标轨迹的交汇区域为损伤可能出现的区域。

2.根据权利要求1所述的基于瞬时相位变化度的损伤检测方法，其特征是，所述的换能器为锲形块状或薄片状压电陶瓷材料制成；

3.根据权利要求3所述的基于瞬时相位变化度的损伤检测方法，其特征是，所述的转换至频域是指：对采集的时域波信号进行快速傅里叶变换，得到原始波信号r(t)的频率-能量谱，其中：能量谱的能量最大值，即能量峰值的一半所对应的起始频率和截止频率分别被用于指定信号的主要频率带。

4.根据权利要求3所述的基于瞬时相位变化度的损伤检测方法，其特征是，所述的带通滤波是指：采用总数为M的高斯带通滤波器组对频率-能量谱进行滤波，得到M个相互重叠的频率带X_i(ω)，i＝1～M，其中：ω为频率变量，该高斯带通滤波器的带宽均为2×Δf，其中心频率依次为f_i，i＝1～M，相邻两个高斯带通滤波器中心频率之间的频率间隔为Δf，其中：Δf＝1/T，M＝BT+1，T是信号的采样时间，即信号总的时间长度，B为主要频率带的带宽。

5.根据权利要求4所述的基于瞬时相位变化度的损伤检测方法，其特征是，所述的转换至时域是指：将M个频率带X_i(ω)分别进行独立的傅里叶逆变换，得到M个时间域信号x_i(t)以及瞬时相位变化度IPVD(t)，其中：

6.根据权利要求5所述的基于瞬时相位变化度的损伤检测方法，其特征是，所述的瞬时相位变化度IPVD(t)为：IPVD(t)＝x_max(t)-x_min(t)，其中：x_min(t)＝min(x₁(t)，x₂(t)，...x_i(t)...x_M(t))，x_max(t)＝max(x₁(t)，x₂(t)，...x_i(t)...x_M(t))，当x_i(t)的瞬时相位在较小的范围内变化，则对应较小的IPVD(t)值；相反，则对应较大的IPVD(t)值。

7.根据权利要求6所述的基于瞬时相位变化度的损伤检测方法，其特征是，所述的特征提取处理是指：当基准波信号的IPVD(t)，即IPVD_benchmark(t)大于检验波信号的IPVD(t)，即IPVD_damage(t)时，则在对应的采样时间点t时刻出现损伤散射的S₀模式，并由IPVD_benchmark(t)和IPVD_damage(t)的差值得到损伤散射的S₀模式的ToF，具体为：计算Δ(t)＝IPVD_benchmark(t)-IPVD_damage(t)，0≤t≤T ，

其中：T_A-S是激发的S₀模式从激励点直接传播到感应点所需要的ToF，当激发的S₀模式到达T_A-S时，IPVD_benchmark(t)与IPVD_damage(t)之间的差值Δ(T_A-S)为阈值，在T_A-S后，当Δ(t)的值比Δ(T_A-S)大，则在t时分谱处理算法的输出y(t)等于原始检验波信号r_damage(t)的幅值，否则y(t)的值为0；其中的第一个值不为0的y(t)所对应的采样时间点则为S₀模式从激励点传播到损伤，再从损伤传播到感应点所需要的ToF，即T_A-D-S，所述的激励点和感应点是指：激励换能器和感应换能器的位置。

8.根据权利要求1所述的基于瞬时相位变化度的损伤检测方法，其特征是，所述的步骤三具体包括以下步骤：

3.1)计算以下方程式的解：

T_D＝T_A-D-S-T_A-S＝(L_A-D+L_D-S-L_A-S)/v_g，

L_{A - D} = \sqrt{{(x_{A} - x_{D})}^{2} + {(y_{A} - y_{D})}^{2}},

L_{D - S} = \sqrt{{(x_{D} - x_{S})}^{2} + {(y_{D} - y_{S})}^{2}},

L_{A - S} = \sqrt{{(x_{A} - x_{S})}^{2} + {(y_{A} - y_{S})}^{2}};